基于脑电信号的数字可调模拟前端芯片设计

基于脑电信号的数字可调模拟前端芯片设计

论文摘要

随着人类对医疗保障需求的不断提升,传统的脑电信号测量仪器已经不再满足精确可靠的要求,病人需要可随身携带并持续监测的测量仪器,以获得更准确的诊断信息。急速发展的集成电路技术为开发此类体积更小的、低噪声、低功耗的便携式生物电势采集系统铺平了道路。模拟前端采集电路就是生物电采集系统中关键的部分。本论文的主要工作是研究了低噪声前端放大器的设计方法,并在此基础上提出并设计了一个基于脑电信号的多通道模拟前端采集芯片。本文首先对生物电信号作简单介绍,从系统的角度出发,介绍了生物电信号采集系统的一般架构,并总结了系统中的前端放大器的设计难点及解决方法,最后提出设计指标。接着文章研究了低噪声放大器的设计方法,并详细介绍了设计的脑电采集芯片的各模块电路设计。文章最后给出了芯片的仿真结果及版图设计。该芯片在TSMC混合信号0.18μm CMOS IP6M工艺下设计并流片,供电电压为1.8V。后仿真结果显示其单通道功耗为700nA,等效输入噪声为2.2μVrms (0.1Hz-360Hz),NEF指标为3.54。增益3-bit可调(54.2dB-72.3dB),高频截止频率3-bit可调(152Hz-360Hz)。仿真结果表明该低噪声、低功耗模拟前端适合用于便携式脑电采集设备。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 引言
  • 1.1 研究背景及意义
  • 1.1.1 脑电信号的发展及应用
  • 1.1.2 脑电信号采集芯片的意义
  • 1.2 发展现状
  • 1.3 主要工作及论文组织
  • 第二章 微弱生物电信号采集系统简介
  • 2.1 生物电信号
  • 2.1.1 生物电信号的产生
  • 2.1.2 生物电信号的种类和特征
  • 2.2 无线生物电信号采集系统架构
  • 2.3 前端放大器设计难点
  • 2.4 前端放大器的噪声分析
  • 2.4.1 器件噪声分析
  • 2.4.2 闪烁噪声及失调改善技术
  • 2.5 设计指标分析
  • 2.6 本章小结
  • 第三章 脑电采集芯片模块设计
  • 3.1 脑电采集集成电路的系统设计
  • 3.1.1 结构设计及电路实现
  • 3.1.2 噪声分析
  • 3.2 低噪声放大器的设计方法
  • 3.2.1 套筒式放大器电路
  • 3.2.2 折叠共源共栅放大器电路
  • 3.2.3 两级放大器电路
  • 3.2.4 典型放大器电路性能比较
  • 3.3 低噪声低功耗前置放大器设计
  • 3.3.1 前置放大器的电路实现
  • 3.3.2 偏置电路
  • 3.4 T-network 电容
  • 3.5 虚拟电阻(pseudo-resistor)
  • 3.6 增益带宽可调
  • 3.6.1 增益带宽数字调节电路实现
  • 3.7 本章小结
  • 第四章 芯片仿真结果及版图设计
  • 4.1 芯片电路仿真结果
  • 4.1.1 OTA 的频率响应及噪声仿真
  • 4.1.2 增益带宽仿真
  • 4.1.3 系统噪声仿真
  • 4.1.4 DC rejection 仿真
  • 4.1.5 仿真结果总结
  • 4.2 NEF 指标
  • 4.3 芯片的完整接口
  • 4.4 版图设计注意事项
  • 4.4.1 布局考虑
  • 4.4.2 匹配
  • 4.4.3 衬底噪声及保护环
  • 4.5 芯片版图及封装
  • 4.6 测试考量
  • 4.7 本章小结
  • 第五章 总结与展望
  • 5.1 主要工作总结
  • 5.2 后续研究及展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间已发表或录用的论文
  • 相关论文文献

    • [1].基于脑电信号反馈控制的双轨道小车控制器设计[J]. 电子制作 2019(23)
    • [2].酒精脑电信号降维去噪方法的研究[J]. 长春理工大学学报(自然科学版) 2019(06)
    • [3].脑电信号分析方法及其应用[J]. 中国医疗器械杂志 2020(02)
    • [4].一种基于脑电信号的眼动方向分类方法[J]. 计算机科学 2020(04)
    • [5].我国脑电信号分析方法及在工学方面的应用研究[J]. 中外企业家 2020(19)
    • [6].基于脑电信号分析的换挡布置优化[J]. 汽车实用技术 2020(17)
    • [7].基于多尺度排列熵的脑电信号分类[J]. 中国数字医学 2019(05)
    • [8].基于深度学习的癫痫脑电信号分析与预测[J]. 长春大学学报 2019(06)
    • [9].关于脑电信号的情感优化识别仿真[J]. 计算机仿真 2018(06)
    • [10].基于脑电信号的耳鸣识别算法研究[J]. 科技传播 2018(13)
    • [11].癫痫脑电信号的相关性分析[J]. 电子世界 2017(05)
    • [12].基于半监督学习的脑电信号特征提取及识别[J]. 工程科学与技术 2017(S2)
    • [13].基于脑电信号的驾驶疲劳的研究[J]. 世界最新医学信息文摘 2017(55)
    • [14].运动想象脑电信号特征的提取与分类[J]. 工业控制计算机 2015(02)
    • [15].脑电信号的最优分数阶傅里叶变换[J]. 沈阳大学学报(自然科学版) 2019(06)
    • [16].基于多特征卷积神经网路的运动想象脑电信号分析及意图识别[J]. 仪器仪表学报 2020(01)
    • [17].人脑电信号实时监测原型系统设计与实现[J]. 计算机工程与应用 2019(02)
    • [18].基于方差和深度学习的脑电信号分类算法[J]. 黑龙江工程学院学报 2017(06)
    • [19].脑电信号识别及其在机械手臂控制中的应用[J]. 生物医学工程研究 2016(04)
    • [20].少年与中年脑电信号的多尺度符号序列熵分析[J]. 北京生物医学工程 2016(06)
    • [21].基于卷积神经网络的脑电信号上肢运动意图识别[J]. 浙江大学学报(工学版) 2017(07)
    • [22].脑电信号在线采集系统设计与实现[J]. 微型机与应用 2017(22)
    • [23].便携式脑电信号采集与处理系统(英文)[J]. 航天医学与医学工程 2016(03)
    • [24].正常人中医体质分类与脑电信号相关性探讨[J]. 辽宁中医药大学学报 2014(11)
    • [25].脑电信号采集系统的设计[J]. 河北建筑工程学院学报 2014(01)
    • [26].思维脑电信号的关联维数分析[J]. 河南科技大学学报(自然科学版) 2012(01)
    • [27].一种适用于清醒动物脑电信号采集的固定装置[J]. 首都医科大学学报 2011(06)
    • [28].运动想象脑电信号识别研究[J]. 计算机工程与应用 2010(33)
    • [29].基于照片刺激下的脑电身份识别研究[J]. 江西蓝天学院学报 2011(04)
    • [30].静息脑电信号频域不对称指数特征识别算法[J]. 电子设计工程 2020(09)

    标签:;  ;  ;  ;  

    基于脑电信号的数字可调模拟前端芯片设计
    下载Doc文档

    猜你喜欢